谷歌浏览器插件
订阅小程序
在清言上使用

DGRO: Enhancing LLM Reasoning Via Exploration-Exploitation Control and Reward Variance Management

Xuerui Su, Liya Guo, Yue Wang, Yi Zhu,Zhiming Ma,Zun Wang,Yuting Liu

arxiv(2025)

引用 0|浏览2
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要